Moonshot lança Kimi K3.1 Pro: 2,8 trilhões de parâmetros e pesos abertos em 4 de novembro

A Moonshot lançou o Kimi K3.1 Pro, um modelo MoE multimodal com 2,8 trilhões de parâmetros, dos quais 104 bilhões ficam ativos, e contexto de 1 milhão de tokens. A API e os aplicativos funcionam desde o primeiro dia, e a empresa promete os pesos abertos para 4 de novembro de 2026. A Artificial Analysis colocou o modelo em quarto lugar no Intelligence Index, com 55 pontos. Se as avaliações se confirmarem após a publicação dos pesos, a distância entre o melhor modelo aberto e o melhor modelo fechado nesse índice cairá de 12 pontos para três.

O K3.1 Pro não traz uma arquitetura nova: é o K3 com um orçamento de computação no pós-treinamento muito maior. A Moonshot reformulou todo o stack: o framework de RL, a inferência de contexto longo, os sandboxes, o planejamento de rollouts e a plataforma comum de verificação de qualidade dos ambientes. Isso permitiu conduzir RL conjunto em centenas de domínios aplicados ao mesmo tempo. Os ganhos mais visíveis do modelo estão nas tarefas de agente; nos testes de conhecimento e ciência, eles são mais modestos.

Onde o modelo aparece nos rankings

• Artificial Analysis Intelligence Index: Opus 5.5 com 58, Sonnet 5.5 e Muse Wonder Full com 56 cada, Kimi K3.1 Pro com 55, em quarto lugar.
• AA-Omniscience: a precisão subiu de 48% para 51%, e a taxa de alucinação caiu de 53% para 44%. São nove pontos percentuais; os "65% menos alucinações" divulgados pela Moonshot se referem a tarefas financeiras e foram calculados de outra forma.
• Code Arena WebDev: 8º lugar, 1 692 pontos. São nove posições e 37 pontos acima do K3. Em Brand & Marketing, o modelo está em 7º lugar; em Simulations, em 9º (antes era 20º). Com a publicação dos pesos, será o modelo aberto mais bem colocado da Arena, à frente do DeepSeek V4.1 Flash.
• Cyber Index: 64%, o melhor resultado entre os modelos de acesso geral e o segundo no geral, atrás do GPT-6 Sol Daybreak Blue (69%, acesso apenas para usuários de confiança). O índice subiu 23 pontos em relação aos 41% do K3, e o CyberGym saltou de 58% para 95%.

Preço do token e preço da tarefa

A tarifa padrão é de $2 por milhão de tokens de entrada, $10 por milhão de tokens de saída e $0,20 por milhão de tokens em cache. O K3 custava $3/$15/$0,30, ou seja, o desconto é de um terço. O Opus 5.5 custa $4/$20, e o Astra, $10/$50. A versão Highspeed custa o dobro da padrão e gera texto de 2 a 3 vezes mais rápido.

Porém, o que se paga pelo trabalho concluído não é o token. No Intelligence Index, o K3.1 Pro gera 55 mil tokens de saída por tarefa, contra 48 mil do K3, 14% a mais, e isso consome parte do desconto. O resultado é $1,98 por tarefa, quase o mesmo que o antecessor. No conjunto de testes de cibersegurança, o modelo consome cerca de duas vezes mais tokens de entrada, e a tarefa sai por $2,81, 15% mais cara que no K3 e visivelmente mais cara que no DeepSeek 1017.

No Arena WebDev, o quadro é melhor: a tarefa mediana custa $1,23, 29% menos que no K3. Comparação com outros modelos:

• Opus 5 Max: 74% mais barato, com 1 ponto a mais de preferência;
• GPT-6 Sol Max: 24% mais barato, com 11 pontos a mais;
• Qwen3.8-Max: 47% mais barato, com 20 pontos a mais.

Cibersegurança: dados removidos de antemão

A Moonshot removeu os dados de cibersegurança do mid-training e do RL, em vez de depender apenas de recusas na inferência. Segundo o relatório, a pontuação interna caiu de 90,5% para 81%, enquanto as demais capacidades continuaram a crescer. Mesmo assim, a API pública não recusou nenhuma vez as tarefas defensivas da Artificial Analysis. A AA observa que, em modelos fechados, as capacidades ocultas podem ser maiores que as avaliações públicas, como no GPT-6 Sol, cuja variante para usuários de confiança pontuou 32 pontos a mais que a pública.

O que verificar até 4 de novembro

A principal ressalva diz respeito à palavra "local". 2,8 trilhões de parâmetros equivalem a cerca de 5,6 TB em 16 bits ou 1,4 TB em 4 bits, sem contar metadados de quantização, KV-cache e infraestrutura de apoio. Os 104 bilhões de parâmetros ativos aceleram a geração, mas a memória precisa comportar todo o conjunto de especialistas. Para hospedagem própria, é preciso um cluster de aceleradores, não uma workstation.

Na prática, fica assim. Equipes que trabalham com codificação agêntica devem rodar suas próprias tarefas e calcular o custo de uma execução bem-sucedida, em vez de olhar a tabela de preços. Quem se importa com latência pode comparar a versão Highspeed, cuja tarifa é duas vezes maior. Quem planeja hospedar o modelo por conta própria deve esperar a licença e as condições de uso comercial, que ainda são desconhecidas. Para um início rápido, a Cline já oferece o modelo pelo ClinePass por $9,99 ao mês. Além disso, a Moonshot lançou o Kimi Hosted Agents, um ambiente gerenciado de funcionamento ininterrupto para tarefas longas e trabalho multiagente.